转自CCF，网址https://dl.ccf.org.cn/lecture/lectureDetail?id=4436660732299264 摘要：大数据时代如何保护个人的隐私，技术创新的边界在哪里？首先，大数据的应用和创新应当有节制，个人隐私保护不仅要依靠道德感召，更需要满足法律的要求。个人隐私和数据安全涉及每个公民的切身利益，如何合理、合规地收集和使用大数据、如何平衡个人信息保护和产业发展，已经成为大数据技术运用亟待解决的问题。在本报告中，将阐述企业作为个人数据的控制者或加工者，承担哪些义务和法律责任，如何在数据的生命周期中通过技术创新、合规挖掘大数据的价值。

https://blog.csdn.net/bloodzero_new/article/details/109220410 博客资料

个人隐私保护体系建设的参考标准，基于ISO27002标准制定，正文部分在ISO27002基础上增加了PII（个人隐私信息）保护指南，附录A针对个人隐私保护提出了更为具体细致的要求

针对基于传统的k-匿名模型下移动用户轨迹数据发布隐私保护算法有可能将相似度极高的轨迹匿名在同一个匿名集中从而导致可能出现的用户个人隐私泄露风险的不足。设计了一种新的轨迹数据发布隐私保护算法。该算法基于k-匿名模型，将轨迹所在的二维空间划分成大小相等的单元格，之后将由轨迹数据得到对应轨迹经过的单元格序列，从而定义轨迹k-匿名下的l-差异性，算法在满足k-匿名模型的前提下通过聚类的方法构建匿名集，并保证匿名集中的轨迹满足l-差异性标准，以达到降低由于差异性不足引起用户隐私泄露的风险的目的。实验结果表明，该算法是可行有效的。

自己做的文件粉碎器，对系统基本无平台要求（除非你电脑是win98/95），支持多文件拖放，支持菜单命令（shell），批处理多文件，一次性测底删除，内置文件进程解锁功能，实现强力删除。 这个版本是最新的，改进了界面为列表，支持选中多个文件后同时拖放到程序，添加了文件全进程搜索占用并解锁的功能。

差分隐私基础 Dwork

如何在不泄露用户隐私的前提下，提高大数据的利用率，挖掘大数据的价值，是目前大数据研究领域的关键问题。具体而言，实施大数据环境下的隐私保护，需要在大数据产生的整个生命周期中考虑两个方面：如何从大数据中分析挖掘出更多 的价值；如何保证在大数据的分析使用过程中，用户的隐私不被泄露。本论文将围绕下图所示的大数据隐私保护生命周期模型展开。

一门专业课要求用python实现k-匿名，在github上找的源码发现都不太符合问题，于是就自己改进了一下，算是个小demo吧，在python2下可以成功跑通，直接运行final.py，数据信息存在.csv

这个ppt是我在哔哩哔哩上看“差分隐私机器学习理论算法与应用”时的视频截图，该视频在哔哩哔哩的网址：https://www.bilibili.com/video/av18545545?from=search&seid=12596259961554168901，原视频：《Differentially Private Machine Learning: Theory, Algorithms and Applications(NIPS 2017 Tutorial)》by Kamalika Chaudhuri, Anand D Sarwate http://t.cn/RQWfiWo。如有侵权，可以联系我删除。

软件介绍: Leu9981能够查询本机系统信息，安全策略及正在使用的网络端口，已安装的软件和操作系统补丁，其他已安装补丁及U盘记录上网记录等信息。深度检索USB和上网痕迹的小工具。第一、尊重用户隐私不留后门。第二、绿色软件，无需安装。第三、不捆绑安装任何软件。第四、无商业广告(保留公益广告权利)。第五、不修改系统设置。